大赛简介

本届大赛由CSDN与IBM联合发起，旨在通过医工结合，运用深度学习、大数据驱动的方式，实现精准的X光胸片影像分析及目标定位。大赛一方面旨在通过计算机视觉和大数据、深度学习的结合，将积累的医学数据转化为可用的模型，利用图像处理和机器学习算法对图像进行分析，检测异常部分，利用AI技术克服不同操作人员之间的主观性差异，减轻人工处理的工作量，让计算机在精确度和速度上帮助医生提高诊断效率； 另一方面结合大量真实影像数据，将人工智能技术应用到肺部X光胸片的病理检测和目标定位，将大赛成果应用于临床，辅助医生对疾病进行更加精准的诊断与筛查，实现疾病早期发现、早期干预，对于减轻病人肺部损害有非常重要的现实意义。

本次比赛希望选手通过利用半监督的训练方法从有标注和无标注的图像数据中训练出一个模型来。这个模型要能够准确地对图像数据中可能产生病变的位置进行自动侦测标注（detection）。本赛题的目的在于考察选手在没有足够量的位置标注（Bounding Box，但是有类别标注）的图片的情况下如何结合数量不多的已标注的图片来进行半监督的训练。其难点在于如何利用好所有的数据资源来提高传统的目标检测模型的准确度。

参赛时间：2017年12月16日

参赛地点：北京马哥孛罗大酒店（朝阳区安立路78号）

大赛交流QQ群：377825425（欢迎报名同学加群，赛前相关通知会第一时间在群内通知，群共享里的相关学习资料大家也可以借鉴一下）

题目说明

•选手会在现场得到大赛组委会分发的医疗影像训练数据。包括图片和标签文件。标签文件为标准描述文件同 ImageNet和PascalVOC标签文件格式。比赛数据在比赛最后一小时提供;

•选手需要提交两个模型以及对模型的说明。第一个模型需要根据训练数据训练出一个多标签图像分类模型(Multi-label Classification) 。第二个模型需要根据训练数据训练出一个目标检测模型，类别同第一个模型。该模型需要能标记出目标位置（bbox）;

•数据类别分类约为8-14类。具体数量以现场得到数据量为准;

•大赛鼓励选手发挥创意来解决标注数据不足的问题。对于特别有创意的实现方式会有附加分奖励。（详见评选标准）

奖项设置